Open Refine - unipi.itdidawiki.cli.di.unipi.it/.../16._lpw-_open_refine.pdf · 2016-04-26 · Caricarlo in Open Refine Selezionare Create Project Selezionare il file Libri.csv Premere

Angelica Lo Duca

Laboratorio Progettazione Web

Open Refine

Cos’è

● Open Refine è un tool per la pulizia, la trasformazione e l’estensione dei dati.

● E’ disponibile a questo indirizzo○ http://openrefine.org○ Scaricare la versione Google Refine

(stable)● Per la manipolazione dei dati si usa il

linguaggio GREL○ https://github.

com/OpenRefine/OpenRefine/wiki/General-Refine-Expression-Language

Per iniziare

● Scaricare/Installare Open Refine● Lanciare il programma● Dal browser (Chrome, Safari ecc) andare su

○ http://127.0.0.1:3333

Per iniziare

● Scaricare dal didawiki il file Libri.csv● Caricarlo in Open Refine

○ Selezionare Create Project○ Selezionare il file Libri.csv○ Premere Next○ In basso selezionare○ In alto selezionare

■ create project

Manipolazione Stringhe

● Nel campo autore separare il nome e il cognome e creare una colonna per il nome e una per il cognome ○ Cliccare sulla

freccia corrispondente al titolo della colonna Autore

Manipolazione Stringhe

● Uso substring(miastringa, posizione_iniziale, posizione_finale) per estrarre una sottostringa contenente il nome e il cognome○ Esempio Charles Dickens

■ il nome si trova a partire dalla posizione 0 fino allo spazio escluso

■ il cognome si trova dalla posizione spazio+1 fino alla fine

■ per identificare la posizione del carattere spazio uso la funzione indexOf(miastringa, carattere_da_cercare)

Esercizio

● Separare il titolo in inglese dal titolo in italiano○ Come soluzione si può usare anche l’opzione split

in several columns.■ La differenza con l’approccio che abbiamo

usato consiste nel fatto che attraverso l’uso della split in several columns la colonna originale è cancellata

Soluzione

● Esempio stringa:○ A tales of two cities (Racconto di due città)

● Titolo in Inglese○ substring(value,0, indexOf(value, "("))

● Titolo in Italiano○ substring(value,indexOf(value, "(")+1, indexOf

(value, ")"))

Arricchimento Dati● Aggiungere data di nascita

e morte degli autori○ usare add Column by

fetching url■ usare DBpedia per

recuperare i dati● http://dbpedia.

org è la versione Linked Data di Wikipedia

Query a DBpedia

● "http://dbpedia.org/sparql?query=" + escape("select distinct ?subject, ?birth, ?death where { ?subject foaf:name \"" + value + "\"@en; dbp:birthDate ?birth; dbp:deathDate ?death} LIMIT 100", "url") + "&format=JSON"

● Per recuperare la data di nascita value.parseJson()["results"]["bindings"][0]["birth"]["value"]